CN111121785B - 一种基于图搜索的无道路路径规划方法 - Google Patents
一种基于图搜索的无道路路径规划方法 Download PDFInfo
- Publication number
- CN111121785B CN111121785B CN201911373633.6A CN201911373633A CN111121785B CN 111121785 B CN111121785 B CN 111121785B CN 201911373633 A CN201911373633 A CN 201911373633A CN 111121785 B CN111121785 B CN 111121785B
- Authority
- CN
- China
- Prior art keywords
- node
- raster
- data
- grid
- raster data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/60—Planning or developing urban green infrastructure
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于图搜索的无道路路径规划方法,首先获取应用场景区域的乡镇以下道路、桥梁、水域、建筑物等矢量数据,以及高程、坡度坡向、植被、土质等栅格数据;基于路径规划需求的起点和终点,截取一定范围的数据;通过升级、栅格化、归一等步骤,形成相近规格的图数据;根据规划对象的通过性,选择不同的权重值计算耗费栅格图;最后利用栅格图搜索起点栅格到终点栅格的最佳行驶路线。本发明通过融合矢量、栅格地理信息,为应用的人、车融合出特有的区域耗费栅格图,以耗费值作为图搜索中计算相邻结点距离的主要参数,为特种应用场景提供了基于图搜索算法的无道路路径规划的方法,能够有效提高无道路区域路径规划的时效性和准确性。
Description
技术领域
本发明属于路径计算技术领域,具体涉及一种基于图搜索的无道路路径规划方法。
背景技术
在某特种应用场景中,路径规划多需要是在无道路的野外环境下,且时间权重更大,因此需要不以道路为优先的无道路环境路径规划方法。
在野外道路稀少或者根本没有道路的野外环境下,为合理地规划出车辆、人员在无道路地形上安全、快速行驶的路径,需要考虑道路、桥梁之外的植被、土质、坡度、坡向、水域等多种信息,而这些信息往往是矢量面数据和栅格图数据。
无道路的路径计算算法已在机器人路径规划、无人机自动规划路线和游戏自动寻路等领域,积累了多种较为成熟的路径规划算法。既有深度优先、广度优先等精确算法,也有A*、D*等通过启发式搜索的近似算法,更有模拟退火、遗传算法、蚁群算法、粒子群优化等多种智能算法。但现有技术的无道路的路径区域路径规划的时效性和准确性有待提高。
发明内容
本发明目的在于提供一种基于图搜索的无道路路径规划方法,用以在无道路的野外环境下规划出行驶路径。
为了实现上述目的,本发明采用的技术方案如下:
一种基于图搜索的无道路路径规划方法,包括以下步骤:
步骤1:根据规划的起点和终点选取规划区域,并截取路径规划区域内的矢量数据、栅格数据;
步骤2:将不同精度的栅格数据统一提升到同一个精度;
步骤3:按照步骤2生成的栅格数据精度,将各矢量数据栅格化成栅格数据;
步骤4:将步骤2和步骤3产生的栅格数据做归一化处理;
步骤5:根据被规划的人和/或车的通过性调整各栅格数据权重;
步骤6:根据权重叠加所有栅格数据,加和成一套栅格数据,每个栅格的数值即为通过该栅格区域的综合耗费值;
步骤7:基于图搜索算法计算起点栅格到终点栅格的最小耗费路线。
进一步地,所述步骤1具体包括:在规划前,针对应用场景的区域,接入同一个坐标系的道路、桥梁、水域、地貌、建筑物的矢量数据,以及高程、坡度坡向、植被、土质的栅格数据,在接到路径规划请求时,以起点和终点的连线作为矢量数据,做缓冲区来作为规划区域,将规划区域覆盖的各类数据截取出来并保存。
进一步地,所述缓冲区的制作方法为:将连接起点和终点的线段向水平垂直该线段的两个方向分别水平平移5公里形成前后两个边界,再分别以起点和终点为圆心、5公里为半径在水平方向向两个边界之间以外的方向做两个半圆形成左右两个边界,所述前后两个边界和左右两个边界围成的区域即为缓冲区。
进一步地,所述步骤2具体包括:每个栅格代表一个正方形区域,所述正方形区域的边长长度即为其精度,将不同精度的栅格数据统一提升到同一个精度,具体做法是取各个精度的最大公约数,将每个栅格拆分成最大公约数长度的多个栅格,这些拆分后栅格的数值为原栅格的数值。
进一步地,所述步骤3具体包括:将路径规划区域按照步骤2计算的精度值创建栅格值为空的栅格数据,将矢量数据中的矢量元素与该栅格数据做叠加,将接触到的栅格均赋予矢量元素对应的数值,进而实现矢量数据的栅格化。
进一步地,所述步骤4具体包括:通过步骤2和3,所有的矢量、栅格数据,都被转换成具有相同的精度、范围和坐标系的一组栅格数据,由于其原始数值的范围各不相同,将其做归一化处理,将每个栅格数据的最小栅格值设置为0.001,最大栅格值设置为1,线性修改所有栅格的数值,将其转换成(0.001,1)之间的数值。
进一步地,所述步骤5具体包括:根据被规划的对象,利用其涉水能力、最小离地间隙、接近角、离去角的通过性参数,设置水域、地貌、土质、建筑物、坡度栅格的权重值,栅格数据对通过性的影像越大权重值越大。
进一步地,所述步骤6具体包括:将栅格数据与各自的权重值相乘后,按栅格点位进行叠加,最终加和出一套栅格数据,即为被规划对象在该区域行驶的综合耗费栅格图。
进一步地,所述步骤7具体包括:
采用A*算法最为图搜索算法来计算路径,按照耗费栅格图将规划区域划分成正方形组成的网格,每个网格为一个“节点”,从起始节点计算其周围8个节点的F值,所述F值为H值和G值的和,通过多次迭代计算将最小F值组成的路线作为最优路径;
所述G值表示为从起始节点到节点n付出的实际代价,计算公式为:
Gn=g1+g2+…+gn
其中,gn为已搜索路线中第n个节点的栅格值;
H值表示为从节点n到目标节点的最优路径的估计代价,采用曼哈顿距离乘以耗费栅格均值来计算H值,计算公式为:
Hn=C×(|xn-xt|+|yn-yt|)
其中,C为耗费栅格数据中栅格值的平均值,(xn,yn)为节点n的坐标,(xt,yt)为目标节点的坐标;
所述多次迭代计算流步骤流程如下:
步骤7.1:把起始节点添加到openlist;
步骤7.2:查找起始节点周围所有可通过的节点,将它们加入openlist,将起始节点设置为新加入节点的父节点;
步骤7.3:从openlist中删除起始节点,把它加入到closelist;
步骤7.4:遍历openlist,找到其中F值最小的节点作为选定节点;
步骤7.5:对所述选定节点做如下操作:
步骤7.51:从openlist中取出放closelist中;
步骤7.52:检查与该节点相邻的每个节点,忽略其中已在closelist或者不可通过的节点;
步骤7.53:如果检查到的节点不在openlist中,则将其加到openlist,并且将选定节点设定为父节点;
步骤7.54:如果检查到的节点在openlist中,则检查经过选定节点到达该节点,是否有更小的G值,如果没有,不做操作,如果有,将该节点的父节点设置为选定节点,并重新计算F值与G值;
步骤7.6:再次遍历openlist,找到其中F值最小的节点,对选定节点重复步骤7.5的操作;
步骤7.7:经过n次搜索,重复步骤7.6的操作,直至到达终点,从终点开始,按照指向父节点的箭头,依次往回寻找,直到到达起点,形成的路径,即为所需要的最优路径。
本发明与现有技术相比,有益效果为:
本发明针对野外无道路环境下的路径规划需求,通过融合大量矢量、栅格地理信息,为应用的人、车融合出特有的区域耗费栅格图,以耗费值作为图搜索中计算相邻结点距离的主要参数,为特种应用场景提供了基于图搜索算法的无道路路径规划的方法,能够有效提高无道路区域路径规划的时效性和准确性。
附图说明
图1为本发明基于图搜索的无道路路径规划方法的流程图。
图2为缓冲区的形成示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
以下结合具体实施例对本发明的实现进行详细的描述。
在本发明中,首先需要获取应用场景区域的乡镇一下道路、桥梁、水域、建筑物等矢量数据,以及高程、坡度坡向、植被、土质等栅格数据;基于路径规划需求的起点和终点,截取一定范围的数据;通过升级、栅格化、归一化等步骤,形成相近规格的图数据;根据规划对象的通过性,选择不同的权重值计算耗费栅格图;最后利用栅格图搜索起点栅格到终点栅格的最佳行驶路线。
具体地说,如图1所示,本发明基于图搜索的无道路路径规划方法的步骤为:
(1)根据规划的起点终点选取规划区域,并截取规划区域内的矢量、栅格数据;
在规划前,针对应用场景的区域,如行政区、市、省乃至战区,接入同一个坐标系的道路、桥梁、水域、地貌、建筑物等矢量数据,以及高程、坡度坡向、植被、土质等栅格数据,且精度越高计算的准确度越高。将各地理信息数据以数据服务的形式发布在同一个GIS服务端软件中,可供其他应用系统的正常使用。
在接到路径规划请求时,以起点和终点的连线作为矢量数据,做缓冲区来作为规划的区域(如图2所示),具体方法为:将连接起点和终点的线段向水平垂直该线段的两个方向分别水平平移5公里形成前后两个边界,再分别以起点和终点为圆心、5公里为半径在水平方向向两个边界之间以外的方向做两个半圆形成左右两个边界,所述前后两个边界和左右两个边界围成的区域即为缓冲区,将区域覆盖内的矢量、栅格数据通过软件(如ArcGIS、iDesktop软件)截取出来。
(2)将不同精度的栅格数据统一提升到同一个精度;
栅格数据均包含了自身的精度信息,每个栅格代表一个正方形区域,精度就是其边的长度。将不同精度的栅格数据统一提升到同一个精度,具体做法是取各个精度的最大公约数,将每个栅格拆成公约数长度的多个栅格,这些拆分后栅格的数值(如高程、坡度等)为原栅格的数值。
(3)按照上一步生成的栅格数据精度,将各矢量数据栅格化;
将路径规划区域按照上一步计算的精度值创建栅格值为空的栅格数据,将矢量数据中的矢量元素(点、线、面)与该栅格数据做叠加,将接触到的栅格均赋予矢量元素对应的数值,进而实现矢量数据的栅格化。
(4)将上两步产生的栅格数据做归一化处理;
通过以上两个步骤,所有的矢量、栅格数据,都被转换成具有相同的精度、范围和坐标系的一组栅格数据,由于其原始数值的范围各不相同,这里将其做归一化处理,即将每个栅格数据的最小栅格值设置为0.001,最大栅格值设置为1,线性修改所有栅格点的数值,将其转换成(0.001,1)之间的数值。
(5)根据被规划的人和/或车对象的通过性调整各栅格数据权重;
根据被规划的对象,可利用其涉水能力、最小离地间隙、接近角、离去角等通过性参数,设置水域、地貌、土质、建筑物、坡度栅格的权重值。栅格数据对通过性的影像越大权重值越大,如建筑物对所有车辆的权重值可为999,即很难通过,而对特战队员的权重值可以是普通道路的2-4倍,即稍微阻碍了行进速度。
(6)根据权重叠加所有栅格数据,加和成一套栅格数据,每个栅格的数值即为通过该栅格区域的综合耗费值;
将栅格数据与各自的权重值相乘后,按栅格点位进行叠加,最终加和出一套栅格数据,即为被规划对象在该区域行驶的综合耗费栅格图。
(7)基于图搜索算法计算起点栅格到终点栅格的最小耗费路线。
本发明使用A*算法最为图搜索算法来计算路径,按照耗费栅格图将规划区域划分成正方形组成的网格,每个网格称为“节点”。算法主要是从开始节点计算其周围8个节点的F值,即H值和G值的和,通过多次迭代计算将最小F值组成的路线作为最优路径。
G值表示为从初始点到节点n付出的实际代价,计算公式为
Gn=g1+g2+…+gn
其中,gn为已搜索路线中第n个节点的栅格值。
H值表示为从节点n到目标节点的最优路径的估计代价,本发明采用曼哈顿距离乘以耗费栅格均值来计算H值,计算公式为
Hn=C×(|xn-xt|+|yn-yt|)
其中,C为耗费栅格数据中栅格值的平均值,(xn,yn)为节点n的坐标,(xt,yt)为目标节点的坐标。多次迭代计算流程如下:
·把起始点添加到openlist。
·查找起始点周围所有可通过的节点,将它们加入openlist。将起始点设置为新加入节点的父节点,用箭头表示。
·从openlist中删除起始点,把它加入到closelist。
·遍历openlist,找到其中F值最小的节点作为选定节点。
·对选定节点做如下操作:
从openlist中取出放closelist中。
检查与该节点相邻的每个节点,忽略其中已在closelist或者不可通过的节点。
如果检查到的节点不在openlist中,则将其加到openlist。并且将选定节点设定为父节点。
如果检查到的节点在openlist中,则检查经过选定节点到达该节点,是否有更小的G值。
如果没有,不做操作。
如果有,将该节点的父节点设置为选定节点。并重新计算F值与G值。
·再次遍历openlist,找到其中F值最小的节点,对选定节点重复前面的操作;
·经过n次搜索,重复以上操作,直至到达终点,从终点开始,按照指向父节点的箭头,依次往回寻找,直到到达起点,形成的路径,即为所需要的最优路径。
本发明计算最优路径的伪代码如下:
以上显示和描述了本发明的基本原理、主要特征及优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (1)
1.一种基于图搜索的无道路路径规划方法,其特征在于,包括以下步骤:
步骤1:根据规划的起点和终点选取规划区域,并截取路径规划区域内的矢量数据、栅格数据;
所述步骤1具体包括:在规划前,针对应用场景的区域,接入同一个坐标系的道路、桥梁、水域、地貌、建筑物的矢量数据,以及高程、坡度坡向、植被、土质的栅格数据,在接到路径规划请求时,以起点和终点的连线作为矢量数据,做缓冲区来作为规划区域,将规划区域覆盖的各类数据截取出来并保存;
所述缓冲区的制作方法为:将连接起点和终点的线段向水平垂直该线段的两个方向分别水平平移5公里形成前后两个边界,再分别以起点和终点为圆心、5公里为半径在水平方向向两个边界之间以外的方向做两个半圆形成左右两个边界,所述前后两个边界和左右两个边界围成的区域即为缓冲区;
步骤2:将不同精度的栅格数据统一提升到同一个精度;
所述步骤2具体包括:每个栅格代表一个正方形区域,所述正方形区域的边长长度即为其精度,将不同精度的栅格数据统一提升到同一个精度,具体做法是取各个精度的最大公约数,将每个栅格拆分成最大公约数长度的多个栅格,这些拆分后栅格的数值为原栅格的数值;
步骤3:按照步骤2生成的栅格数据精度,将各矢量数据栅格化成栅格数据;
所述步骤3具体包括:将路径规划区域按照步骤2计算的精度值创建栅格值为空的栅格数据,将矢量数据中的矢量元素与该栅格数据做叠加,将接触到的栅格均赋予矢量元素对应的数值,进而实现矢量数据的栅格化;
步骤4:将步骤2和步骤3产生的栅格数据做归一化处理;
所述步骤4具体包括:通过步骤2和3,所有的矢量、栅格数据,都被转换成具有相同的精度、范围和坐标系的一组栅格数据,由于其原始数值的范围各不相同,将其做归一化处理,将每个栅格数据的最小栅格值设置为0.001,最大栅格值设置为1,线性修改所有栅格的数值,将其转换成(0.001,1)之间的数值;
步骤5:根据被规划的人和/或车的通过性调整各栅格数据权重;
所述步骤5具体包括:根据被规划的对象,利用其涉水能力、最小离地间隙、接近角、离去角的通过性参数,设置水域、地貌、土质、建筑物、坡度栅格的权重值,栅格数据对通过性的影响越大权重值越大;
步骤6:根据权重叠加所有栅格数据,加和成一套栅格数据,每个栅格的数值即为通过该栅格区域的综合耗费值;
所述步骤6具体包括:将栅格数据与各自的权重值相乘后,按栅格点位进行叠加,最终加和出一套栅格数据,即为被规划对象在该区域行驶的综合耗费栅格图;
步骤7:基于图搜索算法计算起点栅格到终点栅格的最小耗费路线;
所述步骤7具体包括:
采用A*算法作为图搜索算法来计算路径,按照耗费栅格图将规划区域划分成正方形组成的网格,每个网格为一个“节点”,从起始节点计算其周围8个节点的F值,所述F值为H值和G值的和,通过多次迭代计算将最小F值组成的路线作为最优路径;
所述G值表示为从起始节点到节点n付出的实际代价,计算公式为:
Gn=g1+g2+…+gn
其中,gn为已搜索路线中第n个节点的栅格值;
H值表示为从节点n到目标节点的最优路径的估计代价,采用曼哈顿距离乘以耗费栅格均值来计算H值,计算公式为:
Hn=C×(|xn-xt|+|yn-yt|)
其中,C为耗费栅格数据中栅格值的平均值,(xn,yn)为节点n的坐标,(xt,yt)为目标节点的坐标;
所述多次迭代计算步骤流程如下:
步骤7.1:把起始节点添加到openlist;
步骤7.2:查找起始节点周围所有可通过的节点,将它们加入openlist,将起始节点设置为新加入节点的父节点;
步骤7.3:从openlist中删除起始节点,把它加入到closelist;
步骤7.4:遍历openlist,找到其中F值最小的节点作为选定节点;
步骤7.5:对所述选定节点做如下操作:
步骤7.51:从openlist中取出放closelist中;
步骤7.52:检查与该节点相邻的每个节点,忽略其中已在closelist或者不可通过的节点;
步骤7.53:如果检查到的节点不在openlist中,则将其加到openlist,并且将选定节点设定为父节点;
步骤7.54:如果检查到的节点在openlist中,则检查经过选定节点到达该节点,是否有更小的G值,如果没有,不做操作,如果有,将该节点的父节点设置为选定节点,并重新计算F值与G值;
步骤7.6:再次遍历openlist,找到其中F值最小的节点,对选定节点重复步骤7.5的操作;
步骤7.7:经过n次搜索,重复步骤7.6的操作,直至到达终点,从终点开始,按照指向父节点的箭头,依次往回寻找,直到到达起点,形成的路径,即为所需要的最优路径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911373633.6A CN111121785B (zh) | 2019-12-27 | 2019-12-27 | 一种基于图搜索的无道路路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911373633.6A CN111121785B (zh) | 2019-12-27 | 2019-12-27 | 一种基于图搜索的无道路路径规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111121785A CN111121785A (zh) | 2020-05-08 |
CN111121785B true CN111121785B (zh) | 2023-08-08 |
Family
ID=70503751
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911373633.6A Active CN111121785B (zh) | 2019-12-27 | 2019-12-27 | 一种基于图搜索的无道路路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111121785B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112556711B (zh) * | 2020-11-17 | 2023-02-17 | 浙江大学 | 适用于山区复杂地形应急避难最快步行路径的规划方法 |
CN113254555B (zh) * | 2021-04-26 | 2023-10-20 | 北京大学 | 一种基于地表通达性的快速路径搜索方法 |
CN113156970B (zh) * | 2021-05-08 | 2023-06-09 | 珠海一微半导体股份有限公司 | 一种通行区域的路径融合规划方法、机器人及芯片 |
CN114562998A (zh) * | 2022-01-27 | 2022-05-31 | 北京四象爱数科技有限公司 | 一种基于dem在山区无道路条件下多目标点的路径规划方法 |
CN117077881A (zh) * | 2023-10-13 | 2023-11-17 | 航天宏图信息技术股份有限公司 | 路径规划方法、装置、电子设备及计算机可读存储介质 |
CN117574329B (zh) * | 2024-01-15 | 2024-04-30 | 南京信息工程大学 | 基于集成学习的二氧化氮精细化空间分布方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103512581A (zh) * | 2012-06-28 | 2014-01-15 | 北京搜狗科技发展有限公司 | 一种路径规划方法和装置 |
CN108781705A (zh) * | 2018-06-27 | 2018-11-13 | 长安大学 | 一种基于激光扫描雷达传感器的智能割草机及其控制方法 |
-
2019
- 2019-12-27 CN CN201911373633.6A patent/CN111121785B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103512581A (zh) * | 2012-06-28 | 2014-01-15 | 北京搜狗科技发展有限公司 | 一种路径规划方法和装置 |
CN108781705A (zh) * | 2018-06-27 | 2018-11-13 | 长安大学 | 一种基于激光扫描雷达传感器的智能割草机及其控制方法 |
Non-Patent Citations (1)
Title |
---|
GIS线状缓冲区生成算法研究;陈优良等;《江西理工大学学报》;20081015(第05期);正文第37-40页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111121785A (zh) | 2020-05-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111121785B (zh) | 一种基于图搜索的无道路路径规划方法 | |
CN109828607B (zh) | 一种面向不规则障碍物的无人机路径规划方法及系统 | |
CN110687923B (zh) | 无人机长距离循迹飞行方法、装置、设备及存储介质 | |
US20210080258A1 (en) | Systems and methods for continuous replanning of vehicle trajectories | |
CN103528586B (zh) | 基于故障网格的航迹规划算法设计 | |
US10606962B2 (en) | Horizontal optimization of transport alignments | |
CN108763287A (zh) | 大规模可通行区域驾驶地图的构建方法及其无人驾驶应用方法 | |
CN114440916B (zh) | 一种导航方法、装置、设备及存储介质 | |
CN110531782A (zh) | 用于社区配送的无人机航迹路径规划方法 | |
CN113096181B (zh) | 设备位姿的确定方法、装置、存储介质及电子装置 | |
CN113048981A (zh) | 一种面向dem的无道路区域路径规划算法的方法 | |
CN113706715B (zh) | 一种随机可控城市生成方法 | |
Wu et al. | A Non-rigid hierarchical discrete grid structure and its application to UAVs conflict detection and path planning | |
CN111681313B (zh) | 一种基于数字地形图的空间视域分析方法及电子设备 | |
CN117389305A (zh) | 一种无人机巡检路径规划方法、系统、设备及介质 | |
CN112015199A (zh) | 应用于煤矿井下智能巡检无人机的航迹规划方法及装置 | |
US11846517B2 (en) | Vector tile navigation | |
JP2021043945A (ja) | コンピュータシステムおよびプログラム | |
CN117571012B (zh) | 一种越野环境无人车辆全局路径规划方法、系统及设备 | |
Ikeuchi et al. | Uav surveillance optimization for networks in disaster-stricken areas | |
CN115420297B (zh) | 地图更新方法、计算机设备及计算机可读存储介质 | |
Hahn et al. | Determination of optimised pick-up and drop-off locations in transport routing-a cost distance approach | |
Gao et al. | Route Planning Based on Grid-Point Optimization Lazy Theat* Algorithm | |
RU2656275C1 (ru) | Способ определения районов радиоконтроля | |
Tong et al. | An integrated method for accurate identification and dynamic monitoring of buildings in aerodrome obstacle free space |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |